Microsoft anuncia la construcción de un ordenador cuántico comercial en tres años: ¿Se podrá materializar la promesa?

marsbitОпубліковано о 2026-06-15Востаннє оновлено о 2026-06-15

Анотація

Microsoft anunció su nuevo chip cuántico Majorana 2, con cúbits que logran una coherencia media de 20 segundos, un aumento de 1,000 veces en fiabilidad. La empresa afirma que tendrá una computadora cuántica escalable y comercial para 2029. La clave es su enfoque de cúbits topológicos, que usa partículas Majorana para almacenar información de manera no local, haciéndolos intrínsecamente más estables frente al ruido. Un cambio crucial fue sustituir aluminio por plomo en el superconductor, mejorando la protección. La inteligencia artificial (IA) agentiva de Microsoft Discovery aceleró drásticamente la investigación, analizando datos, optimizando parámetros y resolviendo problemas como el "ruido fantasma". Sin embargo, persisten desafíos: el chip actual solo tiene 12 cúbits, lejos del millón necesario para aplicaciones comerciales. Incluso con 20 segundos de coherencia, los algoritmos prácticos requieren miles de millones de operaciones. Otros problemas son el alto costo de compilación de circuitos y la verificación de resultados. Mientras competidores como Google e IBM siguen otras rutas, como los cúbits superconductores, el avance de Microsoft acerca la computación cuántica comercial, pero su promesa para 2029 aún debe superar grandes obstáculos técnicos.

Microsoft ha presentado recientemente su nuevo chip cuántico Majorana 2. Según afirma la compañía, el tiempo de vida promedio de los qubits en este chip alcanza la increíble cifra de 20 segundos, y su fiabilidad es 1000 veces mayor que la de la generación anterior. Con base en esto, Microsoft ha hecho una declaración contundente: "En 2029, tendremos un ordenador cuántico escalable con valor comercial". El año pasado, las expectativas predominantes en la industria aún eran "dentro de diez años". Ahora, Microsoft ha acortado ese plazo a la mitad.

En el proceso de desarrollo de este chip, Microsoft ha recurrido en gran medida a las IA agente de su plataforma "Microsoft Discovery", permitiendo que equipos de IA colaboren de manera similar a grupos de investigación humanos, analizando de forma autónoma grandes cantidades de datos experimentales, planteando hipótesis y optimizando los procesos de fabricación. Por un lado, un avance en el hardware de la computación cuántica; por otro, el apoyo del software de inteligencia artificial. Estos dos campos de vanguardia se están potenciando mutuamente.

¿Qué es un chip cuántico?

Los chips cuánticos manipulan qubits (bits cuánticos). Un qubit puede existir en una superposición de 0 y 1; antes de medirlo, es como una moneda girando, conteniendo simultáneamente la posibilidad de ser 0 y 1. La superposición de dos qubits puede contener las cuatro posibilidades: 00, 01, 10, 11. Para tres qubits, corresponden ocho posibilidades... y así sucesivamente. El estado cuántico de n qubits tiene una dimensión de 2n. A través de operaciones cuidadosamente diseñadas, las puertas cuánticas (puertas lógicas en la computación cuántica) manipulan las fases del estado cuántico, provocando interferencia en la superposición de amplitudes de probabilidad, amplificando así la respuesta correcta. Esta es la razón por la que se dice que los ordenadores cuánticos tienen un "poder de cálculo exponencial".

Además, dos qubits entrelazados presentan una correlación peculiar: medir uno determina instantáneamente el estado del otro, sin importar la distancia que los separe. Aprovechando estas propiedades cuánticas, los ordenadores cuánticos podrían realizar tareas difíciles o ineficientes para los ordenadores clásicos.

El chip cuántico es un procesador especializado en generar, manipular y medir estos qubits. No utiliza transistores tradicionales, sino circuitos superconductores, iones atrapados, fotones o incluso materiales topológicos para capturar estados cuánticos y realizar cálculos según una lógica predefinida, es decir, mediante puertas cuánticas.

Las debilidades del chip cuántico

Aunque poderosos, los qubits tienen una debilidad crítica: son extremadamente sensibles y frágiles.

La superposición de un qubit, si se perturba mínimamente por interferencias externas como fluctuaciones de temperatura, radiación electromagnética o rayos cósmicos, colapsa instantáneamente a un 0 o 1 determinado, perdiendo así su capacidad de cálculo paralelo. Este fenómeno se llama decoherencia.

Antes del chip Majorana 1 de Microsoft, la vida útil típica de los qubits superconductores principales era de solo unas pocas decenas de microsegundos. Es decir, apenas preparados y tras realizar pocos cálculos, "morían". Por lo tanto, un indicador clave para medir la calidad de un chip cuántico es la vida útil del qubit, también conocida como tiempo de coherencia.

La afirmación de Microsoft de que la vida útil de sus qubits alcanza los 20 segundos ha causado un impacto sísmico en la industria. Porque 20 segundos son una eternidad para las operaciones cuánticas. Hay que considerar que ejecutar una operación de puerta cuántica solo requiere un microsegundo (una millonésima de segundo). 20 segundos permiten veinte millones de operaciones, lo que teóricamente es suficiente para ejecutar algoritmos cuánticos bastante complejos. Microsoft incluso hizo una analogía gráfica: "Esta mejora es similar a inventar una batería para teléfonos móviles: si antes el teléfono duraba un día, ahora con una sola carga podría usarse casi tres años".

Los 20 segundos son un promedio; algunos qubits individuales incluso pueden mantener su estado durante un minuto. La vida útil de la generación anterior, Majorana 1, solo alcanzaba el nivel de milisegundos, por lo que Microsoft afirma que "la fiabilidad ha mejorado 1000 veces".

Entonces, ¿cómo lo ha logrado Microsoft? La respuesta se esconde en su enfoque tecnológico: la computación cuántica topológica.

El arma secreta de Microsoft: el qubit topológico

La mayoría de los chips cuánticos principales, como los de Google e IBM, utilizan qubits superconductores. Su tecnología es relativamente madura, pero para evitar interferencias ambientales requiere temperaturas extremadamente bajas, cercanas al cero absoluto (-273°C), y además tienen una vida corta y son propensos a errores.

Microsoft ha dedicado 20 años a seguir otro camino más difícil pero, teóricamente, más ventajoso: el qubit topológico.

Si haces uno o dos agujeros en un papel, lo arrugas, el papel se deforma, pero los agujeros permanecen allí. Un agujero no se convierte en dos, ni dos en uno. La cantidad de agujeros en el papel es una invariante topológica. Otro ejemplo es entrelazar dos cuerdas; la secuencia en la que intercambian posiciones también es una invariante topológica. El qubit topológico utiliza precisamente estas invariantes topológicas para proteger la información del qubit. La información no se almacena en partículas específicas, sino en la textura de "tejido" creada por el intercambio de posiciones de las cuasipartículas (excitaciones colectivas de un sistema de partículas). Esta forma de almacenamiento es no local, lo que significa que pequeñas perturbaciones, como ruido o calor, tienen dificultades para destruir la estructura topológica global. Por lo tanto, los qubits topológicos son inherentemente mucho menos sensibles al ruido ambiental y mucho más estables que otros tipos de qubits.

La cuasipartícula que utiliza Microsoft tiene un nombre legendario: el fermión de Majorana. En 1937, el físico italiano Ettore Majorana predijo la existencia de un tipo peculiar de fermión cuya antipartícula sería él mismo. Esta partícula aún no ha sido descubierta. A principios del siglo XXI, los científicos comenzaron a buscar su análogo en física de la materia condensada: una cuasipartícula llamada modo cero de Majorana. Cuando los modos cero de Majorana intercambian posiciones en un espacio bidimensional, el estado cuántico general cambia; el orden del intercambio afecta el resultado final, similar a cómo diferentes formas de trenzar el cabello dan como resultado diferentes trenzas.

En 1997, el físico Alexei Kitaev, trabajando entonces en el Instituto Landau de Rusia, propuso por primera vez la teoría de utilizar fermiones de Majorana para la computación cuántica topológica. En 2005, Microsoft fundó Station Q, y Kitaev fue uno de sus miembros centrales. Desde entonces, Microsoft se embarcó en esta ruta tecnológica, dedicándole casi 20 años. En 2025, Microsoft lanzó su primer chip Majorana, demostrando la viabilidad en principio del qubit topológico. Revolucionariamente, utilizaron superconductores topológicos que pueden crear un nuevo estado de la materia, logrando así una computación cuántica más estable. El actual Majorana 2 es la materialización de ese principio en un salto de rendimiento tangible.

Una mejora clave fue el cambio de material: el superconductor topológico del primer chip Majorana utilizaba aluminio, mientras que la segunda generación utiliza plomo. El plomo se usa comúnmente como material de blindaje contra la radiación; al usarlo como superconductor, se puede aumentar significativamente el escudo protector del qubit, salvaguardando los frágiles estados cuánticos de la interferencia de los rayos cósmicos. Este cambio, que puede no sonar revolucionario, combinado con la optimización de cientos de parámetros de proceso realizada por la IA, finalmente condujo a la mejora de 1000 veces en fiabilidad.

Sin embargo, actualmente Majorana 2 solo integra 12 qubits. Para lograr un ordenador cuántico universal con valor comercial, la opinión generalizada en la industria es que se necesitan al menos varios millones de qubits. De 12 a un millón, hay innumerables desafíos de ingeniería y física por superar. Que Microsoft se atreva a decir "2029" indica que tienen mucha confianza en su enfoque topológico, porque, en teoría, el coste de corrección de errores de los qubits topológicos es mucho menor que el de otras soluciones principales. Una vez implementados en la práctica, podrían materializarse más rápidamente que otras alternativas.

La IA contribuye: ¿Cómo aceleran las IA agente el desarrollo de chips cuánticos?

Otro factor que no puede pasarse por alto en el salto de 1000 veces en fiabilidad logrado por Microsoft es el de las "IA agente". Microsoft posee la plataforma Microsoft Discovery. La capacidad central de esta plataforma es desplegar IA agente, es decir, múltiples agentes de IA que pueden asumir diferentes roles, como analista de datos, diseñador de experimentos o investigador bibliográfico, y bajo la orientación de científicos humanos, completar de forma autónoma los flujos de trabajo de investigación.

Todo comenzó con el material central del chip Majorana. La primera generación utilizaba aluminio como superconductor, mientras que la segunda generación cambió a plomo. Cambiar el material afecta todo el sistema, y el equipo tardó años en comprender todas las compensaciones. Encontrar la fórmula exacta de dopaje requería cientos o miles de experimentos. Ahora, la IA primero delimita objetivos de alta probabilidad mediante simulaciones; idealmente, solo se necesita experimentar una vez.

Y esto es solo el comienzo. La fabricación de chips cuánticos involucra innumerables aspectos: software, arquitectura, pila de materiales, procesos, mediciones... Un cambio en un parámetro puede desencadenar una reacción en cadena. Es difícil para los ingenieros humanos monitorear todas las variables simultáneamente, pero los agentes de IA sí pueden. Más crucial aún, el equipo cuántico de Microsoft ha acumulado casi veinte años de datos experimentales masivos, en formatos diversos y dispersos entre científicos de diferentes países y especialidades. Los agentes de IA pueden sintetizarlos de nuevo y encontrar correlaciones que nosotros, los humanos, no vemos, porque ninguna persona tiene una visión tan amplia.

Otra ventaja decisiva de la IA es acelerar los experimentos. Crear estados cuánticos topológicos requiere ajustar simultáneamente cientos de parámetros de voltaje y luego realizar mediciones, siendo la medición precisamente la parte más lenta y delicada en la computación cuántica. Antes, un científico podía tardar semanas en completar una ronda de mediciones manualmente. El equipo intentó automatizar el proceso con métodos de aprendizaje automático tempranos, pero no tuvo éxito. Hasta que utilizaron la plataforma Microsoft Discovery para entrenar un agente de IA especializado, reduciendo el ciclo completo en varios órdenes de magnitud. La IA puede escanear en paralelo todo el espacio de parámetros, juzgar automáticamente cuál es el punto mínimo donde todo puede funcionar normalmente y luego posicionarse con precisión.

Finalmente, la IA también ayudó al equipo a resolver un problema de "ruido fantasma". En una ocasión, los datos experimentales siempre estaban erróneos, y los científicos investigaron durante mucho tiempo sin encontrar la causa. Luego, un agente de IA, sintetizando modelos físicos, registros de dispositivos y conocimientos de procesos, identificó en los datos brutos un sensor de temperatura no calibrado que estaba arruinando silenciosamente los resultados de las mediciones.

Podría decirse que sin la participación de la IA, el salto de rendimiento de 1000 veces de Majorana 2 podría haber tardado varios años más en materializarse. Esto confirma un consenso en formación: la computación cuántica y la inteligencia artificial pueden potenciarse mutuamente. La IA acelera el desarrollo del hardware de computación cuántica, y los ordenadores cuánticos, en el futuro, retroalimentarán a la IA, proporcionando un poder de cálculo exponencial para el aprendizaje automático.

¿Se podrá materializar la promesa?

En esta arena, Microsoft no es el único participante. El camino hacia la "otra orilla cuántica" no se limita a los chips cuánticos topológicos; también existen los chips cuánticos superconductores, de iones atrapados, fotónicos y los qubits de espín en silicio. Los gobiernos también están aumentando sus inversiones. China tiene una gran disposición en el campo de la comunicación y la computación cuánticas; Estados Unidos otorga importantes fondos a empresas de computación cuántica; la Unión Europea también ha lanzado el programa "Quantum Flagship".

¿Podrá Microsoft realmente crear un ordenador cuántico de nivel comercial en 2029? El profesor de Física de la Universidad de Surrey (Reino Unido), Paul Stevenson, comentó que, en cuanto a la fabricación de qubits fiables, Microsoft parece haber logrado un avance. Si los resultados resisten la prueba, el plazo suena razonable. Pero al mismo tiempo, muchos científicos esperan ver más datos detallados revisados por pares, ya que el artículo relacionado que Microsoft ha presentado aún no ha completado la revisión por pares.

Por supuesto, detrás de la declaración triunfalista y la euforia de Microsoft, hay varios puntos que merecen una reflexión serena. Primero, ¿son suficientes 20 segundos? Una vida útil de qubit de 20 segundos, comparada con unas decenas de microsegundos, es sin duda un salto asombroso. Pero los algoritmos cuánticos a nivel práctico requieren cientos de millones de operaciones de puertas cuánticas. Incluso calculando a un microsegundo por operación, 20 segundos solo permiten ejecutar veinte millones de pasos, aún a varios órdenes de magnitud de distancia de los números necesarios para descifrar cifrados RSA o simular moléculas de fármacos con precisión. Hay que tener en cuenta que la decoherencia es una limitación impuesta por las leyes físicas, de la que la ingeniería nunca podrá deshacerse por completo. Segundo, el problema del costo de compilación. Cada vez que se utiliza un ordenador cuántico para resolver un problema, primero hay que realizar una compilación en un ordenador clásico, traduciendo el problema a un circuito cuántico específico, y luego resolver ecuaciones según los parámetros del chip cuántico para obtener las secuencias de pulsos electromagnéticos correspondientes a las puertas cuánticas. Este proceso de compilación no es universal; cada problema requiere su propia compilación, y el poder de cálculo clásico consumido en el proceso de compilación en sí mismo puede ser cercano, o incluso exceder, el costo de resolver el problema directamente con métodos clásicos. Tercero, ¿qué pasa si la respuesta que da el ordenador cuántico es incorrecta? No se puede verificar con un ordenador clásico; si se pudiera, no haría falta el ordenador cuántico. Si al final la respuesta es errónea, no se sabe en qué parte del proceso estuvo el error.

El sueño de construir un ordenador cuántico comercial es como una bota suspendida en el aire, que tarda en caer al suelo. El día que finalmente caiga, quizás solo sea un sonido sordo. Al repasar la historia de la ciencia, el progreso tecnológico a veces se parece más a "plantar un sauce sin querer y que crezca, o querer cultivar una flor y que no florezca". Lo que la gente espera fervientemente puede no materializarse, mientras que las soluciones y los avances quizás surjan precisamente donde menos se espera.

Referencias

https://news.microsoft.com/source/features/innovation/majorana-2-microsoft-discovery-agentic-ai/

https://www.bluequbit.io/blog/quantum-chips

https://www.bbc.com/news/articles/cj4p7gyvp52o

https://zhuanlan.zhihu.com/p/2035004303467917427?share_code=14f9XN3e5wlBq&utm_psn=2035105136662553502&utm_source=wechat_session&utm_medium=social&s_r=0&wechatShare=1

Este artículo proviene del WeChat Official Account: 心智观察所 , autor: 心智观察所

Пов'язані питання

Q¿Cuál es el avance más destacado del chip cuántico Majorana 2 de Microsoft?

AEl mayor avance del chip Majorana 2 de Microsoft es que sus qubits de Majorana han alcanzado un tiempo de coherencia promedio de 20 segundos, lo que supone una mejora de 1000 veces en confiabilidad respecto a la generación anterior (Majorana 1).

Q¿Qué ventaja teórica clave tienen los qubits topológicos de Microsoft frente a los qubits superconductores tradicionales?

ALos qubits topológicos de Microsoft aprovechan las propiedades de invariancia topológica para almacenar información de forma no local en "trenzas" de partículas. Esto los hace intrínsecamente más resistentes al ruido ambiental y a los errores locales, prometiendo una mayor estabilidad y menores requisitos de corrección de errores que los qubits superconductores tradicionales.

Q¿Cómo ayudó la IA de Microsoft (Microsoft Discovery) en el desarrollo del chip Majorana 2?

ALa plataforma Microsoft Discovery empleó IA de tipo agente, donde múltiples agentes de IA colaboraron como un equipo de investigación. Automatizaron y aceleraron tareas como analizar grandes volúmenes de datos experimentales, optimizar cientos de parámetros de fabricación, y localizar rápidamente configuraciones óptimas. Esto redujo drásticamente el tiempo de desarrollo, contribuyendo significativamente al salto de rendimiento de 1000 veces.

QSegún el artículo, ¿qué desafíos persisten para lograr una computadora cuántica comercial, a pesar del avance de los 20 segundos de coherencia?

APersisten varios desafíos importantes: 1) Escalar de los 12 qubits actuales a los millones necesarios para aplicaciones comerciales. 2) El tiempo de coherencia de 20 segundos, aunque largo, aún puede ser insuficiente para algoritmos complejos que requieren miles de millones de operaciones. 3) El alto costo y complejidad de la compilación de problemas en circuitos cuánticos específicos. 4) La dificultad de verificar la corrección de los resultados de un cálculo cuántico complejo con un ordenador clásico.

Q¿En qué año promete Microsoft tener una computadora cuántica escalable con valor comercial y qué opinan algunos científicos sobre este plazo?

AMicrosoft promete tener una computadora cuántica escalable con valor comercial para el año 2029. Algunos científicos, como el profesor Paul Stevenson de la Universidad de Surrey, consideran que el plazo suena razonable si los avances reportados (como los 20 segundos de coherencia) se verifican rigurosamente. Sin embargo, otros expresan cautela y desean ver más datos detallados revisados por pares antes de confirmar la viabilidad del cronograma.

Пов'язані матеріали

PANews Column Registration and Article Submission Guide

"PANews Column Registration and Submission Guide" provides instructions for users to register as columnists and publish articles on the PANews platform. Key application requirements are emphasized: content should focus on in-depth analysis within Crypto, Web3, blockchain, data, and viewpoints. Content primarily for brand/product introductions will not be approved, and heavily AI-generated content will be rejected. Promotional (PR/soft) content is directed to the business channel. **Registration Process:** * **Web:** Go to the official website footer, click "Apply for Column," and register with a phone number or email (login via verification code, no password). Fill in the column name, description, upload an avatar, and submit links to previously published work. * **Mobile:** Navigate to "My" -> "Contribute & Create" and complete the form. **Article Submission Tutorial:** 1. Log in to the PANews website. 2. Access the "Creator Center" from your personal homepage. 3. Use the editor to create and publish articles. **Video Upload:** The platform supports embedding videos from third-party sites (e.g., Bilibili). Copy the embed code from the source video, use the editor's "Insert/Edit media" button, paste the code under the "Embed" tab, and adjust the display size (recommended: width 100%, height 560px). **PANews Skills (AI Agent Tool):** PANews offers an official AI Agent skill set called PANews Skills, enabling AI tools to query platform content, track trends, and publish column articles directly. It includes three main skills: 1. `panews`: For tracking daily must-read lists, popular articles, and funding news. 2. `panews-creator`: For managing columns, publishing articles, and uploading images. 3. `panews-web-viewer`: For parsing PANews webpages into Markdown. These skills are compatible with various AI Agent tools (OpenClaw, Cursor, Claude Code, ChatGPT, Gemini, etc.). To use the `panews-creator` skill, users must obtain a specific authentication value from the PANews website after logging into their columnist account.

marsbit12 хв тому

PANews Column Registration and Article Submission Guide

marsbit12 хв тому

I Built Myself an Investment Workbench Using AI

For the past two weeks, I've been immersed in Vibe Coding—using AI to write code from natural language descriptions. This process has enabled me to quickly build functional tools that address long-standing personal ideas. Previously, I had many concepts but found execution too cumbersome. Key ideas included a unified dashboard for assets across US stocks, Crypto, HK stocks, and A-shares; a real-time alert system for price movements; an investment map visualizing sector relationships; and a tool to correlate prediction market bets with news and market data. Traditional development hurdles meant these often remained unrealized. Using AI (Codex, Claude Code, and DeepSeek API), I built four initial tools: 1. A **Cross-Market Asset Dashboard** showing total assets, daily P&L, and holdings by market, with added features for alerts and sector mapping. It's deployed locally for privacy. 2. A **Prediction Market (PM) Monitor** tracking bets on events (e.g., company valuations) and correlating probability shifts with news and market movements. I categorize bets by conviction to filter noise. 3. A **Simple Operations Backend** for managing my writing workflow (topics, progress, publishing). It's cloud-deployed for mobile access. 4. A **One-Click Formatting Tool** that automates converting drafts into various platform-specific formats, saving manual effort. While these tools are basic, they represent a significant shift: AI lowers the barrier to creating personalized systems. I believe individual investors can now feasibly build core systems for: * **Asset Observation** (tracking holdings and changes) * **Signal Monitoring** (watching for key market shifts) * **Sector Mapping** (understanding network relationships within a sector) * **Performance Review** (documenting rationale and outcomes) The power of Vibe Coding is its fast feedback loop. Ideas can be implemented, tested, and iterated on rapidly, turning "want-to-do" into "done." This marks the start of my new phase, where I'll share investment thoughts, tool tests, on-chain operations, and educational Web3 content.

marsbit28 хв тому

I Built Myself an Investment Workbench Using AI

marsbit28 хв тому

After Tokenization of Assets, How to Exit?

Title: How to Exit After Asset Tokenization? Author: Symbiotic Compiled by: Hu Tao, ChainCatcher Summary: Tokenization addresses how assets go on-chain but largely leaves the redemption question unresolved. While tokenized assets can settle instantly, the underlying redemption for assets like treasuries, private credit, or real estate can take from T+1 to 180 days. This gap hinders DeFi adoption of Real World Assets (RWAs). Three emerging models aim to provide instant exit liquidity, differing primarily in their capital structure and efficiency: 1. **Balance Sheet Model (e.g., Grove Basin):** A single entity (like Sky) provides immediate liquidity from its balance sheet, acting as a bridge during the settlement period. It offers simplicity and deep initial liquidity but is constrained by a single entity's capacity and risk appetite. 2. **Asset-Specific Vault Model (e.g., Upshift Clear):** Independent liquidity providers fund dedicated vaults for each supported asset, earning fees. It decentralizes capital sources but isolates liquidity and capital per asset, leading to potential fragmentation. 3. **Shared Liquidity Layer Model (e.g., Symbiotic Liquid Lane):** A shared capital pool supports multiple RWA types simultaneously. Funds remain productive between redemptions (e.g., earning yield in lending markets). Exits are settled via a competitive RFQ market. This model aims for higher capital efficiency, scalability across assets, and serves longer-duration assets like private credit. Key differentiators are: 1) Source of capital and risk bearer, 2) Redemption pricing mechanism, 3) Capital efficiency, 4) Scalability to new asset types, and 5) Composability. The shared liquidity layer model represents a move from piecemeal solutions toward scalable infrastructure, enabling T+0 exits by pooling capital, maintaining yield, and using competitive pricing, thus enhancing RWA utility in DeFi.

marsbit41 хв тому

After Tokenization of Assets, How to Exit?

marsbit41 хв тому

After Tokenizing Assets, How to Exit?

After tokenization, a key unresolved issue is providing holders with a reliable exit mechanism, as underlying asset settlement (taking days to months) lags far behind on-chain token settlement. Three primary models for instant liquidity have emerged, differing in their capital structure and efficiency: 1. **Balance Sheet Model (e.g., Grove Basin):** A single, well-capitalized entity (like Sky) provides immediate liquidity from its own reserves. This offers simplicity and deep initial liquidity but is constrained by that single balance sheet's capacity and risk appetite, limiting scalability. 2. **Dedicated Vault Model (e.g., Upshift Clear):** Independent liquidity providers (LPs) fund separate vaults for each supported asset. This decentralizes capital sources but isolates liquidity and capital, which becomes inefficient as the number of tokenized assets grows. 3. **Shared Liquidity Layer Model (Symbiotic Liquid Lane):** Independent capital providers fund shared vaults that can support multiple tokenized assets simultaneously. Capital remains productive between redemptions (e.g., earning yield in DeFi markets). Exits are settled via a competitive RFQ market where market makers bid. The article argues that the shared layer model offers superior capital efficiency and scalability. It transforms exit liquidity from an asset-specific patch into shared market infrastructure, allowing liquidity capacity to grow with overall market participation rather than being fragmented per asset. This is particularly valuable for longer-duration assets like private credit, where reliable T+0 exits can significantly enhance their utility in DeFi.

链捕手55 хв тому

After Tokenizing Assets, How to Exit?

链捕手55 хв тому

Торгівля

Спот
Ф'ючерси

Популярні статті

Як купити CHIP

Ласкаво просимо до HTX.com! Ми зробили покупку USD.AI (CHIP) простою та зручною. Дотримуйтесь нашої покрокової інструкції, щоб розпочати свою криптовалютну подорож.Крок 1: Створіть обліковий запис на HTXВикористовуйте свою електронну пошту або номер телефону, щоб зареєструвати обліковий запис на HTX безплатно. Пройдіть безпроблемну реєстрацію й отримайте доступ до всіх функцій.ЗареєструватисьКрок 2: Перейдіть до розділу Купити крипту і виберіть спосіб оплатиКредитна/дебетова картка: використовуйте вашу картку Visa або Mastercard, щоб миттєво купити USD.AI (CHIP).Баланс: використовуйте кошти з балансу вашого рахунку HTX для безперешкодної торгівлі.Треті особи: ми додали популярні способи оплати, такі як Google Pay та Apple Pay, щоб підвищити зручність.P2P: Торгуйте безпосередньо з іншими користувачами на HTX.Позабіржова торгівля (OTC): ми пропонуємо індивідуальні послуги та конкурентні обмінні курси для трейдерів.Крок 3: Зберігайте свої USD.AI (CHIP)Після придбання USD.AI (CHIP) збережіть його у своєму обліковому записі на HTX. Крім того, ви можете відправити його в інше місце за допомогою блокчейн-переказу або використовувати його для торгівлі іншими криптовалютами.Крок 4: Торгівля USD.AI (CHIP)Легко торгуйте USD.AI (CHIP) на спотовому ринку HTX. Просто увійдіть до свого облікового запису, виберіть торгову пару, укладайте угоди та спостерігайте за ними в режимі реального часу. Ми пропонуємо зручний досвід як для початківців, так і для досвідчених трейдерів.

377 переглядів усьогоОпубліковано 2026.04.21Оновлено 2026.06.02

Як купити CHIP

Обговорення

Ласкаво просимо до спільноти HTX. Тут ви можете бути в курсі останніх подій розвитку платформи та отримати доступ до професійної ринкової інформації. Нижче представлені думки користувачів щодо ціни CHIP (CHIP).

活动图片